Nœud DeepSeek Chat Model n8nConfigurer DeepSeek Chat Model dans n8n.
Un agent IA dans n8n reste muet tant qu'aucun modèle n'est branché dessus. Le nœud DeepSeek Chat Model n8n joue ce rôle : c'est un sous-nœud, un nœud auxiliaire qui se raccorde au port d'un nœud plus gros au lieu de tourner seul. Il expose 9 paramètres et sort par le port ai_languageModel.
Avis vérifiés sur Trustpilot · Agence IA, automatisation & growth
À quoi sert le nœud DeepSeek Chat Model n8n ?
Il fournit le modèle de langage qu'un nœud racine utilise pour rédiger. Dans l'organisation IA de n8n, un nœud racine (un AI Agent, une chaîne) reçoit les items du workflow par son entrée principale, et des sous-nœuds viennent se raccorder à ses ports : un modèle de chat, une mémoire, autant d'outils que nécessaire. DeepSeek Chat Model occupe l'emplacement du modèle. Rien d'autre. Seul, il ne s'exécute jamais.
C'est le moteur qu'on pose dans un châssis. Trois montages reviennent en boucle dès qu'on construit pour de vrai.
Premier montage, l'assistant qui dialogue. Tu relies DeepSeek Chat Model au nœud AI Agent, tu lui ajoutes une mémoire pour qu'il garde le fil de la conversation, et des outils pour qu'il agisse. L'agent décide, DeepSeek écrit. Deuxième montage, l'extraction de données : tu passes Response Format sur json_object, le modèle renvoie du JSON valide (un format de données que le nœud suivant lit champ par champ), et le résultat part dans Google Sheets ou remonte dans Slack. Troisième montage, le tri silencieux en arrière-plan : une chaîne de classification appelle le modèle une fois par item, avec Sampling Temperature au plus bas pour que deux fois la même entrée donne deux fois la même étiquette.
Quand vaut-il mieux prendre autre chose ? Si toute ta chaîne tourne déjà sur des identifiants OpenAI et que tu veux un seul fournisseur du début à la fin, le nœud OpenAI fait le travail. Et si le JSON revient cassé une fois sur cinq, l'Auto-fixing Output Parser prend son propre modèle et répare la sortie, plutôt que de te faire réécrire le prompt indéfiniment.
Les limites méritent d'être connues avant de construire. Ce nœud n'a ni entrée principale ni sortie principale : impossible de l'insérer au milieu d'un workflow en espérant que les items le traversent. Il se raccorde uniquement au port modèle d'un nœud racine. Il ne porte pas non plus de prompt, puisque le prompt appartient au nœud racine. Quant à la liste des modèles, n8n la charge en direct chez DeepSeek avec ton credential (l'identifiant de connexion enregistré dans n8n) : tu vois ce que ton compte peut appeler, pas une liste figée.
Côté facture, tout se passe chez DeepSeek. Le nœud est livré avec n8n, les appels d'API sont facturés par le fournisseur selon ses propres conditions. Pour comparer les plateformes avant de trancher, l'Avis n8n pose les critères.
Comment connecter DeepSeek à n8n ?
- 01
Créer le credential
Dans n8n, les credentials vivent dans leur propre menu, indépendamment des workflows. Tu crées celui de DeepSeek une fois, et tous les workflows de l'instance le réutilisent. Le fonctionnement est identique sur n8n Cloud, l'offre hébergée par n8n, et sur une instance auto-hébergée : un workflow exporté d'un côté tourne de l'autre dès que le credential existe des deux côtés.
- 02
Le rattacher au nœud
Pose un nœud DeepSeek Chat Model sur le canvas et sélectionne le credential dans son panneau. Il n'y a aucun sélecteur d'authentification à régler ici : le credential est la seule chose qui sépare un nœud vide d'un modèle opérationnel. Pense à enregistrer le workflow avant de tester, sinon n8n rejoue la dernière version sauvegardée.
- 03
Vérifier que la liste se remplit
Ouvre le menu déroulant Model. n8n interroge DeepSeek avec ton credential et affiche les modèles accessibles à ton compte. Si la liste reste vide, c'est le credential qu'il faut regarder, pas le nœud. Choisis un modèle, puis raccorde le nœud à un nœud racine avant de lancer quoi que ce soit.
Où se branche ce nœud ?
n8n sépare le travail IA entre un nœud racine, qui s'exécute dans le workflow, et des sous-nœuds accrochés à ses ports. Celui-ci n'a pas de port d'entrée : il expose une sortie, et cette sortie va dans l'emplacement modèle d'un nœud racine.
Sortie (où il se branche)
- Model
ai_languageModel
01Model
Seul port utilisé par le nœud, et il pointe vers le haut : tu tires le fil depuis le nœud jusqu'à l'emplacement modèle du nœud racine qui fait le travail. Un modèle par emplacement.
Paramètres clés
- Required : sans modèle sur ce port, un nœud racine ne génère rien. La connexion n'est donc pas facultative.
- AI Agent : la destination habituelle quand le modèle doit raisonner, choisir un outil et répondre.
- Basic LLM Chain : la voie simple, un prompt en entrée, du texte en sortie, sans choix d'outil.
- Summarization Chain : mobilise le modèle pour résumer des documents longs, item par item.
- Text Classifier : fait trancher le modèle entre tes catégories, une décision par item entrant.
Quels paramètres changent le comportement du modèle ?
Le nœud DeepSeek Chat Model compte 9 paramètres. Pour chacun : le nœud tel que tu le configures dans n8n, ce que le paramètre change, et nos notes de terrain.
Model
modelCe que tu vois dans n8n
Notes & cas d'usage
Choisit le modèle DeepSeek qui rédige la complétion (le texte que le modèle produit en réponse). La liste n'est pas figée : n8n interroge DeepSeek avec ton credential et n'affiche que les modèles ouverts à ton compte, si bien que deux personnes sur la même instance peuvent voir des options différentes.
Paramètres clés
- Model : le modèle qui génère la complétion, pris dans la liste chargée depuis DeepSeek.
Frequency Penalty
options.frequencyPenaltyCe que tu vois dans n8n
Notes & cas d'usage
Décourage le modèle de se répéter. Les valeurs positives pénalisent les tokens selon la fréquence à laquelle ils sont déjà apparus dans le texte, ce qui réduit la probabilité que le modèle reproduise la même phrase mot pour mot.
Paramètres clés
- Frequency Penalty : un nombre ; plus il monte, moins le modèle se répète.
Maximum Number of Tokens
options.maxTokensCe que tu vois dans n8n
Notes & cas d'usage
Plafonne la longueur de la réponse. Un token est un morceau de texte, à peu près un fragment de mot, et ce réglage fixe la longueur de la complétion. La plupart des modèles ont une fenêtre de contexte de 2048 tokens, sauf les plus récents, qui montent à 32768.
Paramètres clés
- Maximum Number of Tokens : un nombre, le plafond de tokens générés dans la complétion.
Response Format
options.responseFormatCe que tu vois dans n8n
Notes & cas d'usage
Décide si la réponse arrive en prose ou en données exploitables par une machine. À basculer dès qu'un nœud suivant doit lire des champs plutôt qu'afficher un paragraphe.
Paramètres clés
- Text (
text) : une réponse en texte classique, la forme attendue quand un humain lit le résultat. - JSON (
json_object) : active le mode JSON, censé garantir que le message généré est du JSON valide.
{{ $json.amount }} dans le nœud suivant.Presence Penalty
options.presencePenaltyCe que tu vois dans n8n
Notes & cas d'usage
Pousse le modèle vers du terrain neuf. Les valeurs positives pénalisent les tokens selon leur simple présence dans le texte, ce qui augmente la probabilité que le modèle aborde de nouveaux sujets.
Paramètres clés
- Presence Penalty : un nombre ; plus il est élevé, plus le modèle change de sujet.
Sampling Temperature
options.temperatureCe que tu vois dans n8n
Notes & cas d'usage
Règle la part d'aléatoire. Plus la valeur baisse, moins les complétions varient ; à l'approche de zéro, le modèle devient déterministe et répétitif. Plus elle monte, plus l'échantillonnage se diversifie, avec un risque d'hallucinations en hausse.
Paramètres clés
- Sampling Temperature : un nombre ; près de zéro les réponses se figent, au-dessus elles se relâchent.
Timeout
options.timeoutCe que tu vois dans n8n
Notes & cas d'usage
Fixe la durée maximale autorisée pour une requête, en millisecondes. Passé ce délai, la requête s'arrête au lieu de laisser l'exécution en suspens.
Paramètres clés
- Timeout : un nombre en millisecondes, donc
2000vaut deux secondes, pas deux mille.
Max Retries
options.maxRetriesCe que tu vois dans n8n
Notes & cas d'usage
Indique combien de fois n8n relance une requête qui a échoué avant d'abandonner et de faire tomber l'exécution en erreur.
Paramètres clés
- Max Retries : un nombre, le maximum de tentatives de relance par requête.
Top P
options.topPCe que tu vois dans n8n
Notes & cas d'usage
Contrôle la diversité par échantillonnage nucleus : 0,5 signifie que la moitié des options pondérées par leur probabilité sont retenues. Une valeur basse revient à ignorer les options les moins probables.
Paramètres clés
- Top P : un nombre entre zéro et un, la part d'options probables dans laquelle puise la complétion.
Besoin d'aide pour automatiser DeepSeek Chat Model avec n8n ?
L'équipe te répond directement.
Chaque message est lu par une personne.
Questions fréquentes
01Le nœud DeepSeek Chat Model n8n est-il inclus sur n8n Cloud et en auto-hébergé ?
02De quoi a-t-on besoin pour que le nœud fonctionne ?
03Quelles sont les limites de ce nœud ?
04Que faut-il brancher au minimum, et par quel nœud commencer ?
05n8n ou Make pour ce type de workflow IA ?
Reçois nos tips intégration chaque semaine.
Pas de spam. Désinscription à tout moment.
